Open Gaze：基于深度学习、面向智能手机设备的开源眼动追踪器

眼动追踪已成为视觉研究、语言分析与可用性评估等多个领域的关键工具。然而，既往研究多集中于采用专用、昂贵且缺乏可扩展性的眼动追踪硬件的大型桌面显示器。尽管智能手机已被广泛采用且使用频繁，关于其上眼球运动模式的认知却极为有限。本文给出一种基于智能手机的凝视追踪器的开源实现，其复现了某 Google 论文（其源代码仍为专有）所提出的方法。我们的重点在于无需额外硬件即可达到与该 Google 论文方法相当的精度。通过集成机器学习技术，我们揭示了一种原生适用于智能手机的精确眼动追踪方案。我们的方法展现出与最先进移动眼动追踪器相近的精度，而后者成本高两个数量级。利用可通过数据集网站注册获取的庞大 MIT GazeCapture 数据集，我们成功复现了既往关于眼动任务中眼球运动行为及自然图像观察时显著性分析的关键发现。此外，我们强调了基于智能手机的凝视追踪在辨识阅读理解困难方面的适用性。我们的发现展现出以显著倍数放大眼动研究的内在潜力，可容纳数千名明确同意的受试者参与。这种可扩展性不仅推动视觉研究进展，也惠及无障碍增强与医疗应用等领域。